固定评测协议
选定数据集版本与任务划分，固定基础模型、提示模板、工具权限和 token 预算。
SWE-bench 官方入口 ↗YOUR RESEARCH JOURNEY
把学习，变成研究。
从理解 AI4SE，到完成一项有证据支撑的研究。
AI × 软件工程
你的第一条 AI4SE 研究路线
理解问题 · 复现基线 · 设计实验 · 写清贡献
6 个阶段建议 24 周 · 按成果调整节奏
学习路线 ROADMAP
点击阶段，查看具体任务从这三篇开始 READING LIST
全部阅读材料 →✦ AI4SE 是用 AI 改进软件开发、测试与维护；先选定具体工程任务，再选择模型与方法。
READ WITH A QUESTION
论文阅读
沿着“代码表征 → 真实任务 → 软件智能体”的脉络阅读。
精读笔记框架
01 / 问题
输入、输出、实际使用场景；现有方法在哪些案例上失败。
02 / 方法
用自己的话复述关键机制，画出数据流，指出与基线的差异。
03 / 证据
数据划分、指标、预算、消融、统计不确定性与失败案例。
04 / 下一步
一个可复现的结果、一个尚未验证的假设、一项最小实验。
TURN IDEAS INTO EVIDENCE
实验设计
先写清研究问题，再决定需要跑哪些实验。
RESEARCH QUESTION预算相同时，结构感知的上下文选择
预算相同时，结构感知的上下文选择
能否提高程序修复成功率？
研究假设：结合调用关系选择相关代码，可能减少无关上下文。是否有效，需要对照实验验证。
最小实验方案
从可复现的小规模试验开始建立公平对照
对比词法检索、向量检索和你的方法。让候选代码范围、生成次数与推理预算保持一致。
先复现，再改进回答三个问题
RQ1：修复效果是否提高？
RQ2：哪些组件带来提升？
RQ3：成本与效果如何权衡？
分析不确定性
记录重复运行差异、置信区间和失败类型。报告负结果，检查数据泄漏与补丁过拟合。
可复现 · 可解释每次运行，应留下什么
| 记录项 | 具体内容 | 用途 |
|---|---|---|
| 实验身份 | 运行 ID、代码提交、依赖版本、随机种子 | 定位与重现 |
| 输入与配置 | 数据版本、模型版本、提示词、预算 | 保证公平对比 |
| 效果与成本 | 解决率、测试结果、token、耗时、费用 | 评估实际价值 |
| 过程证据 | 补丁、工具轨迹、失败日志、异常说明 | 归因与误差分析 |
方法设计与实验方案为学习示例，不代表已验证的创新点或真实实验结果。
FROM EVIDENCE TO A PAPER
顶会投稿准备
选择与研究问题匹配的会议，用可核查的证据讲清贡献。
SOFTWARE ENGINEERING ↗
ICSE
International Conference on
Software Engineering
关注广泛的软件工程研究问题
查看 2027 官网与征稿要求 ↗FOUNDATIONS & METHODS ↗FSE
Foundations of
Software Engineering
关注软件工程的方法与实证研究
查看 2027 官网与征稿要求 ↗AUTOMATED ENGINEERING ↗ASE
Automated
Software Engineering
关注软件工程自动化技术与工具
查看 2026 官网与研究议题 ↗官网入口核对于 2026-09-23。此处用于了解会议与选题；投稿日期、时区、匿名要求及论文格式请以目标届次和具体轨道的 CFP 为准。
投稿前的六道检查
展开查看完成标准24 周是研究节奏建议，不是录用承诺。
发表取决于问题价值、方法新颖性、实验质量和评审意见。优先把研究做扎实，再根据成果成熟度选择投稿轨道。